Lead Gen · Framework
MQL vs SQL: definición, diferencias y cómo calificar leads B2B
MQL vs SQL: definición de cada etapa, diferencias concretas, cómo armar el scoring de leads B2B y el acuerdo con ventas para que el pipeline no se trabe.
La diferencia entre MQL y SQL define quién decide que un lead vale el tiempo de un vendedor, y es el punto exacto donde se rompe la mayoría de las relaciones entre marketing y ventas en empresas B2B. Esta guía da la definición operativa de cada etapa, muestra cómo armar un scoring de leads B2B que ventas respete y qué métricas te avisan cuando el criterio dejó de funcionar.
En la práctica, el problema no es conceptual. Todo el mundo sabe que un MQL viene de marketing y un SQL de ventas. El problema es que la línea entre los dos rara vez está escrita, y cuando no está escrita marketing reporta volumen, ventas se queja de calidad y nadie sabe cuál de los dos tiene razón.
MQL vs SQL: definición operativa de cada etapa
MQL (Marketing Qualified Lead). Un contacto que cumple dos condiciones: encaja con el perfil de cliente ideal (ICP) y su comportamiento superó un umbral de interés acordado. Lo califica marketing, sin hablar con la persona, a partir de datos del formulario, el CRM y la analítica.
SQL (Sales Qualified Lead). Un lead que ventas contactó y validó: hay un problema que la empresa quiere resolver, la persona tiene influencia en la decisión y existe un horizonte de compra. Lo califica ventas, con una conversación de por medio.
Entre los dos conviene sumar una etapa que muchos equipos omiten: el SAL (Sales Accepted Lead), el MQL que ventas aceptó y se comprometió a contactar. Sin esa etapa no hay forma de distinguir "ventas no lo llamó" de "ventas lo llamó y no calificó", que son dos problemas con soluciones opuestas.
| MQL | SAL | SQL | |
|---|---|---|---|
| Quién lo califica | Marketing | Ventas (aceptación) | Ventas (validación) |
| Con qué información | Encaje + comportamiento digital | Revisión del perfil del MQL | Conversación directa |
| Pregunta que responde | ¿Vale la pena que ventas lo mire? | ¿Ventas se compromete a contactarlo? | ¿Hay una oportunidad real? |
| Dónde vive | Marketing automation + CRM | CRM, cola del vendedor | CRM, pipeline comercial |
| Qué pasa si no avanza | Vuelve a nurturing | Se devuelve con motivo | Vuelve a nurturing o se descarta |
El marco de etapas viene del modelo de demand waterfall que popularizó SiriusDecisions, hoy parte de Forrester. Las versiones más nuevas del modelo ponen el foco en la cuenta y el comité de compra antes que en el contacto individual, algo que pesa en B2B industrial donde deciden cuatro a siete personas.
Por qué la diferencia MQL SQL genera conflicto entre áreas
Tres causas explican casi todos los choques:
- Marketing se mide por volumen de MQL. Si el bono o el reporte mensual depende de cuántos MQL se entregan, la presión empuja el umbral hacia abajo. Ventas recibe más leads, califica menos y deja de confiar en la fuente.
- Ventas no registra qué hace con el lead. Un MQL que nadie marcó como aceptado, contactado o descartado no deja aprendizaje. Marketing no puede recalibrar sin ese dato.
- El criterio de SQL cambia según el vendedor. Uno exige presupuesto aprobado, otro se conforma con interés. La misma cuenta es SQL para uno y basura para otro, y la tasa de conversión se vuelve ruido.
La solución no es técnica sino de acuerdo: una definición escrita y firmada por las dos áreas, con el mismo número en los dos reportes.
Scoring de leads B2B: cómo armar el umbral de MQL
El scoring separa dos dimensiones que conviene no fusionar en un solo número:
- Encaje (fit). Qué tan parecida es la cuenta y la persona a tus clientes actuales: industria, tamaño, cargo, región, tecnología que usa. No cambia con el comportamiento.
- Interés (engagement). Qué hizo el contacto y qué tan reciente es. Pesa más lo cercano a la decisión (página de precios, caso de éxito del mismo sector, pedido de demo) que lo informacional.
Una matriz de dos ejes es más fácil de explicar a ventas que un puntaje único:
| Interés bajo | Interés alto | |
|---|---|---|
| Encaje alto | Nurturing por etapa y rol | MQL: pasa a ventas |
| Encaje bajo | Fuera del foco | Revisar a mano; muchas veces es un consultor, estudiante o competidor |
Para fijar el umbral, mirá hacia atrás. Tomá los últimos 6-12 meses de oportunidades ganadas y perdidas, reconstruí qué señales tenían cuando entraron y qué tenían los leads que ventas descartó. Las señales que aparecen en los ganados y no en los descartados son las que deben pesar. Si no tenés suficiente historia, arrancá con un esquema simple y recalibrá cada trimestre; el detalle de puntos por señal lo desarrollamos en la guía de lead nurturing B2B.
Un trade-off a tener presente: un umbral alto entrega pocos MQL muy buenos y deja leads tempranos sin atender; uno bajo llena la cola de ventas y erosiona la confianza. No hay umbral correcto en abstracto: depende de cuánta capacidad comercial tengas para tomar leads en 24-48 horas.
Lead qualification B2B: los criterios para declarar un SQL
Donde el MQL se basa en datos, el SQL se basa en una conversación. Los frameworks más usados:
| Framework | Qué pregunta | Cuándo conviene |
|---|---|---|
| BANT | Presupuesto, autoridad, necesidad, tiempos | Tickets medios, ciclos de 1-3 meses, decisor identificable |
| MEDDIC / MEDDPICC | Métricas de impacto, comprador económico, criterio y proceso de decisión, dolor, campeón interno | Ventas complejas, comités grandes, ciclos de 6-12 meses |
| CHAMP | Desafíos, autoridad, dinero, prioridad | Cuando conviene arrancar la conversación por el problema y no por el presupuesto |
BANT tiene un límite conocido en B2B argentino: muchas empresas no tienen presupuesto asignado hasta que el problema está bien definido, y exigirlo para declarar SQL descarta oportunidades legítimas en etapa temprana. Una adaptación razonable es aceptar como SQL un lead con necesidad confirmada, influencia en la decisión y horizonte de 6 meses, y dejar el presupuesto como criterio para pasar a oportunidad.
Lo que sí no se negocia: el vendedor registra en el CRM qué criterios validó y cuáles no. Sin eso, el SQL es una opinión.
El acuerdo marketing-ventas: qué tiene que estar escrito
Un SLA entre áreas de una página alcanza. Tiene que cubrir:
- Definición de MQL: criterios de encaje mínimos y umbral de interés.
- Plazo de aceptación: cuánto tiene ventas para tomar un MQL (24-48 horas hábiles es una referencia razonable) y qué pasa si no lo hace.
- Definición de SQL: qué criterios valida el vendedor y dónde los registra.
- Regla de devolución: un lead rechazado vuelve a nurturing con un motivo codificado (sin encaje, sin timing, sin contacto, competidor, etc.), no a la papelera.
- Compromiso de volumen: cuántos MQL por mes necesita ventas para cumplir su cuota, calculado hacia atrás desde las tasas reales de conversión.
- Revisión: reunión mensual con los números de las dos áreas y los motivos de devolución.
Si todavía no tenés claro cómo compra tu cliente y quién participa, empezá por el mapa del customer journey B2B: el criterio de MQL se apoya en saber qué señales aparecen en cada etapa.
Métricas para saber si la calificación funciona
| Métrica | Qué indica | Señal de alerta |
|---|---|---|
| Tasa MQL → SAL | Si ventas toma lo que marketing entrega | Por debajo del 70-80%: problema de proceso o de confianza |
| Tasa SAL → SQL | Calidad del criterio de MQL | Cae sostenidamente: umbral bajo o ICP mal definido |
| Tiempo de respuesta a MQL | Disciplina comercial | Más de 48 horas: el lead se enfría |
| Tasa SQL → oportunidad | Calidad del criterio de SQL | Muy alta y con pocas ganadas: el SQL está inflado |
| Motivos de devolución | Dónde ajustar el scoring | Un motivo concentra la mayoría: corregir esa señal |
| Costo por SQL | Eficiencia real del canal | Más útil que el CPL para comparar canales |
El costo por SQL suele reordenar el ranking de canales. Un canal con CPL bajo que genera leads que nunca califican termina siendo más caro que uno con CPL alto y buena tasa a SQL. Los datos del HubSpot State of Marketing y los análisis de Gartner sobre marketing B2B apuntan en la misma dirección: los equipos que reportan sobre pipeline compartido con ventas asignan mejor el presupuesto que los que reportan volumen de leads.
Resumen operativo
- Escribí la definición de MQL, SAL y SQL y hacela firmar por las dos áreas.
- Separá encaje e interés en el scoring; calibrá con oportunidades ganadas y perdidas.
- Elegí un framework de calificación (BANT o MEDDIC según el ciclo) y aplicalo igual en todo el equipo.
- Registrá cada devolución con motivo y usalo para ajustar el umbral.
- Medí costo por SQL y tasa SAL → SQL por canal, no solo CPL.
En OnTradeMax trabajamos la calificación como parte del servicio, no como un paso posterior: el detalle está en nuestra página de lead generation B2B, y cómo lo integramos con performance y ejecución comercial, en la metodología de OnTradeMax.
Si tus MQL no llegan a SQL y no sabés si el problema está en el scoring o en el proceso comercial, escribinos por WhatsApp.
Preguntas frecuentes
¿Qué es un MQL?+
Un MQL (Marketing Qualified Lead) es un contacto que marketing considera listo para que ventas lo revise, porque encaja con el perfil de cliente ideal y mostró un nivel de interés que supera un umbral acordado. No es una oportunidad: es una recomendación de marketing de que ese contacto merece el tiempo de un vendedor.
¿Qué es un SQL?+
Un SQL (Sales Qualified Lead) es un lead que ventas revisó y validó en una conversación: hay una necesidad concreta, una persona con influencia en la decisión y un horizonte de compra razonable. A partir de ahí entra al pipeline comercial y suele convertirse en oportunidad con monto y fecha estimada.
¿Cuál es la diferencia entre MQL y SQL?+
Quién lo califica y con qué información. El MQL lo define marketing con datos de encaje y comportamiento digital (cargo, empresa, páginas visitadas, contenido descargado). El SQL lo define ventas después de hablar con el contacto y confirmar necesidad, autoridad y tiempos. El MQL es una hipótesis; el SQL es una hipótesis validada.
¿Qué es un SAL y en qué se diferencia de un SQL?+
El SAL (Sales Accepted Lead) es la etapa intermedia: ventas acepta el MQL y se compromete a contactarlo en un plazo acordado, pero todavía no lo calificó. Sirve para medir si ventas está tomando lo que marketing entrega. Si un MQL nunca pasa a SAL, el problema es de proceso; si pasa a SAL y no a SQL, el problema suele ser de criterio de calificación.
¿Qué tasa de conversión de MQL a SQL es normal en B2B?+
Depende mucho del ticket, del canal y de qué tan exigente sea la definición de MQL, así que los benchmarks generales sirven poco. Como referencia orientativa, en B2B con ciclos largos suele moverse en un rango del 10% al 30%. Más útil que comparar contra la industria es medir la tendencia propia por canal y revisar el criterio si la tasa cae trimestre a trimestre.
¿Qué framework conviene usar para calificar un SQL?+
BANT (presupuesto, autoridad, necesidad, tiempos) es el más simple y sirve para tickets medios. Para ventas complejas con comités grandes, MEDDIC o MEDDPICC agregan métricas de impacto, criterio y proceso de decisión, y campeón interno. El framework importa menos que aplicarlo igual en todo el equipo y registrarlo en el CRM.
Seguí leyendo
Planograma en el punto de venta: cómo armarlo y hacerlo cumplir
Planograma en el punto de venta: qué es, cómo armar un planograma de farmacia, qué rol cumple en category management y cómo medir su cumplimiento en góndola.
Brand activation farma: cómo activar una marca en farmacia
Brand activation farma: qué formatos de activación de marca funcionan en farmacia, qué limita ANMAT en sampling OTC y cómo medir el impacto en sell-out.
Shopper marketing en Argentina: guía para marcas de farma y OTC
Shopper marketing en Argentina: qué es, en qué se diferencia del trade marketing, cómo leer al shopper en farmacia y en el PDV y cómo medir si cambia la compra.